| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 智能配电网特征及核心技术 | 第10-13页 |
| 1.2.1 智能配电网的特征 | 第11页 |
| 1.2.2 智能配电网的核心技术 | 第11-12页 |
| 1.2.3 配网自动化概述 | 第12-13页 |
| 1.3 配电网故障定位的研究现状 | 第13-16页 |
| 1.3.1 基于暂稳态信息量的故障定位方法 | 第13-15页 |
| 1.3.2 其他方法分析 | 第15-16页 |
| 1.4 论文主要安排 | 第16-18页 |
| 第2章 配电网故障特征分析 | 第18-23页 |
| 2.1 配电网单相接地故障的稳态特征 | 第18-21页 |
| 2.2 配电网单相接地故障暂态特征 | 第21-22页 |
| 2.3 小结 | 第22-23页 |
| 第3章 基于小波变换的配电网故障区段定位方法 | 第23-37页 |
| 3.1 配电网单相接地故障的暂态零序电流区段特征 | 第23-26页 |
| 3.2 小波变换理论基础 | 第26-28页 |
| 3.3 基于小波变换模极大值理论的故障区段定位原理 | 第28-30页 |
| 3.4 仿真实验分析 | 第30-36页 |
| 3.4.1 仿真模型及设置 | 第30-31页 |
| 3.4.2 仿真结果与分析 | 第31-36页 |
| 3.5 小结 | 第36-37页 |
| 第4章 基于小波神经网络的配电网故障定位研究 | 第37-53页 |
| 4.1 神经网络简介 | 第37-43页 |
| 4.1.1 BP与小波神经网络 | 第37-41页 |
| 4.1.2 小波神经网络激励函数的确定和参数调整 | 第41-43页 |
| 4.2 基于小波神经网络的故障定位思想 | 第43-49页 |
| 4.2.1 构造小波神经网络与所需的测试样本集 | 第44-47页 |
| 4.2.2 利用免疫粒子群算法优化WNN各参数 | 第47-49页 |
| 4.3 系统仿真分析 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 智能配电网保护配合分析 | 第53-59页 |
| 5.1 传统配电网保护 | 第53-55页 |
| 5.2 基于FTU的配电网故障定位保护 | 第55-56页 |
| 5.3 保护配合原理及案例分析 | 第56-58页 |
| 5.3.1 保护配合原理 | 第56-57页 |
| 5.3.2 案例分析 | 第57-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间取得的学术成果 | 第65-66页 |
| 致谢 | 第66页 |